张量子空间降维的边缘图像匹配

针对传统基于向量子空间降维的图像匹配算法易丢失像素间邻域关系和计算量大的问题,提出一种基于张量子空间降维的边缘图像匹配算法。通过双边投影变换提取边缘图像的张量子空间,在降低特征空间维数的同时保持边缘特征之间的邻域关系,同时采用边缘膨胀后的互相关度量模板与实时图的相似性。标准人脸数据库和红外实时图像的匹配实验结果表明:该算法在匹配时间、匹配正确率、匹配精度3方面较传统基于向量子空间的匹配算法有显著的性能提高,并且对杂波和部分遮挡有较强的适应性。     

基于3DLMS预测的高光谱图像无损压缩算法

针对高光谱图像无损压缩比较低的问题,将三维LMS算法(3DLMS)应用于高光谱图像压缩领域,利用3DLMS算法构造了一种新的高光谱图像自适应预测模型,通过去局部因果集均值方法实现了模型优化.对不同场景AVIRIS图像的实验表明,基于3DLMS预测的高光谱图像无损压缩算法同时降低了高光谱图像的空间和谱间冗余,提高了高光谱图像的无损压缩比,同时该方法也验证了3DLMS算法在高光谱图像压缩中的可行性.     

基于改进李群结构的特征协方差目标跟踪

最近的研究发现,在对称正定流形上可构造一种改进的李群结构,并赋予具有双不变度量性质的对数-欧几里得黎曼度量,所得到的距离公式和黎曼均值均呈现简单形式.据此,利用目标的综合特征构建区域协方差阵为目标建模,提出一种基于改进李群结构的特征协方差目标跟踪方法.实验表明,这种跟踪方法实用有效,在相同的条件下,因为算法的计算量的减少,跟踪性能略优于基于仿射黎曼度量的协方差目标跟踪.     

一种改进的势函数聚类多阈值图像分割算法

针对基于势函数聚类的多阈值图像分割算法的不足,定义了伪势的概念,并在原算法基础上提出了一种改进的图像分割算法。由伪势概念确定了伪势合并的判别方法,按照此方法,当相邻的两个峰之间的距离小于所定义的自适应模糊伪势因子时,则应该进行伪势合并。改进后的算法在计算剩余势函数时判断是否存在伪势,然后在势划分函数组的确定过程中相应地进行伪势合并计算。利用多幅图像进行了多阈值分割的仿真试验,结果表明,改进的基于势函数的多阈值图像分割算法具有更好的鲁棒性和分割效果。     

复杂场景下的变形目标跟踪

提出一种新的针对目标变形的模板匹配跟踪方法。对于跟踪序列图像中的目标,采用均值平移方法对原图像进行滤波平滑后提取边缘;定义一种点到邻域的广义距离测度,增强了匹配的容错性,与计算 Hausdorff 距离相比计算量大为减少;采用边缘相似点的距离均值和方差作为匹配的相似测度和置信准则,进一步降低了匹配的误差;提出在 8 邻域内基于马尔可夫模型的启发式规则修正模板策略,阻止跟踪点漂移。实验结果表明,该方法能以高达 98%的正确匹配率对复杂场景序列图像中的运动目标进行稳定跟踪。     

一种基于小波多尺度分析的水天线检测方法

提出一种基于小波多尺度分析的水天线检测方法．该方法针对海面背景图像的特点，利用小波变换的多尺度分析特性，依据小波变换模极大值在多尺度上的变化规律，综合了各尺度信息，对水天线进行检测，仿真实验验证了其有效性。     

基于数字距离变换的3D模型骨架提取算法

在获得三维模型体素表示的基础上 ,通过比较模型体素及其 2 6连通域体素到模型轮廓的最小欧式距离 ,提出了一种利用骨架体素 2 6连通域的对称性进行三维模型骨架体素提取的算法 整个算法只需遍历一次体数据集即可自动完成模型骨架的提取过程 .实验表明 ,该算法具有较高的效率和精度 .     

基于复数小波能量特征和支持向量机的图像匹配算法

为了对图像中发生平移、伸缩及旋转等形变的目标进行有效检测和跟踪，提出了基于复数小波能量特征和支持向量机的图像匹配算法，以便把图像匹配问题转化为图像分类问题。该算法首先利用复数小波的方向选择性、多尺度特性及近似平移不变性来抽取图像能量的均值、均方差及偏度等统计特征，并将其作为支持向量机的输入参数，用于训练模板样本集合，以获得支持向量，然后对由输入图像构成的与模板大小相同的所有子图像进行测试。这是一个粗精结合的两步算法，即先运用支持向量机筛选出侯选目标集合，再运用非线性距离判优准则来确定检测出的候选目标图像集合中的最优匹配。实验结果表明，该算法克服了传统图像匹配方法搜索目标时存在的置信度问题，通过与基于径向基的神经网络学习方法和基于灰度相关的匹配方法比较可见，该算法在性能上优于这两个方法，并能得到满意的匹配结果。     

基于李代数的变形目标跟踪

动态几何变形是图像跟踪技术面临的突出难题之一. 本文提出基于李代数的变形目标跟踪方法, 用Gabor特征表征目标, 以仿射李群建立目标几何变形, 利用李代数和李群之间的指数映射将参数的最优化求解从欧氏空间转至光滑流形, 实现了对变形目标的稳定跟踪.从物理层面分析了目标跟踪过程中的参数几何变换的实质, 从理论上对在光滑流形上进行迭代求解的优点进行了详细分析, 并对其收敛性做出了证明.图像序列跟踪测试的对比实验表明, 本文方法较现有基于欧氏空间的算法在收敛速度、跟踪稳定性和精确性方面有显著提高.